Både spädbarn under utveckling och äldre vuxna delar en gemensam egenskap:de många cellerna som utgör deras kroppar är alltid i rörelse. När vi människor pendlar till jobbet, celler migrerar genom kroppen för att få sina jobb gjort. Biologer har länge kämpat för att kvantifiera cellers rörelse och förändrade morfologi genom tiden, men nu, forskare vid Okinawa Institute of Science and Technology Graduate University (OIST) har tagit fram ett elegant verktyg för att göra just det.

Med hjälp av maskininlärning, forskarna designade en programvara för att analysera mikroskopiska ögonblicksbilder av migrerande celler. De döpte programvaran till Usiigaci, ett ryukyuan-ord som hänvisar till att spåra objektens konturer, eftersom det innovativa verktyget upptäcker de förändrade konturerna av enskilda celler. Usiigaci, beskrivs i en tidning publicerad 13 mars, 2019 i SoftwareX , är nu tillgänglig online för alla att använda, tillsammans med en videohandledning som förklarar programvaran.

I livmodern, en babys celler migrerar till exakta platser så att varje arm, ben, och organ växer på sin rätta plats. Våra immunceller rasar genom kroppen för att laga sår efter skada. Cancerceller metastaserar genom att resa genom kroppen, sprider tumörer till nya vävnader. För att testa effektiviteten av nya läkemedel, läkemedelsutvecklare spårar rörelsen av celler före och efter behandling. Usiigaci-mjukvaran hittar applikationer inom alla dessa studieområden och mer.

"Det här är en allt-i-ett-lösning för att få oss från råa bilder till kvantitativa data om cellmigrering, sa Hsieh-Fu Tsai, första författare till studien. Tsai är doktorand och DC1-forskare i Japan Society for the Promotion of Science (JSPS) vid OIST Micro/Bio/Nanofluidics Unit, ledd av prof. Amy Shen. "Vår programvara är minst 100 gånger snabbare än manuella metoder, som för närvarande är guldstandarden för dessa typer av experiment eftersom datorer ännu inte är tillräckligt kraftfulla."

"Vi hoppas att den här programvaran kan bli ganska användbar för forskarvärlden, " sa prof. Amy Shen, huvudutredare för enheten och senior författare till studien. "För alla biologiska studier eller läkemedelsscreening som kräver att du spårar cellulära svar på olika stimuli, du kan använda den här programvaran."

Maskininlärning gör Usiigaci anpassningsbar

För att observera celler under mikroskop, forskare blötlägger dem ofta i färg eller justerar deras gener för att få dem att lysa i iögonfallande färger. Men att färga celler förändrar deras rörelse, vilket i sin tur förvränger experimentresultaten. Vissa forskare försöker studera cellmigration utan hjälp av fluorescerande taggar, använda så kallade "etikettfria" metoder, men hamnar i ett annat problem; Etikettfria celler smälter in i bakgrunden av mikroskopiska bilder, vilket gör dem otroligt svåra att analysera med befintlig datorprogramvara.

Usiigaci hoppar över detta hinder genom att tillåta forskare att träna programvaran över tid. Biologer fungerar som lärare, tillhandahåller programvaran nya bilder att studera så att den kan känna igen en cell från nästa. En snabblärd, programmet anpassar sig snabbt till nya uppsättningar data och kan enkelt spåra rörelsen av enskilda celler, även om de är trånga som pendlare på Tokyos tunnelbana.

"De flesta program... kan inte skilja celler i hög densitet isär; i princip, de delar upp sig i en glob, " sa Tsai. "Med vår programvara, vi kan segmentera korrekt även om cellerna rör vid varandra. Vi kan faktiskt göra encellsspårning genom hela experimentet." Usiigaci är för närvarande den snabbaste programvaran som kan spåra rörelsen av etikettfria celler med encellsupplösning på en personlig bärbar dator.

Programvara härmar den mänskliga hjärnan

Forskarna designade Usiigaci för att bearbeta bilder som om det vore en förenklad mänsklig hjärna. Strategin gör det möjligt för programvaran att spåra konturerna av enskilda celler, övervaka deras rörelse från ögonblick till ögonblick, och omvandla den informationen till knasbara siffror.

Programmet är byggt kring en maskininlärningsinfrastruktur som kallas ett "konvolutionellt neuralt nätverk". ungefär baserat på hur hjärnceller samverkar för att bearbeta inkommande information från omvärlden. När våra ögon fångar ljus från omgivningen, de uppmanar neuroner att analysera dessa signaler och ta reda på vad vi tittar på och var det är i rymden. Neuronerna skisserar först scenen i stora drag och skickar sedan informationen vidare till nästa uppsättning celler, successivt återge bilden mer och mer detaljerat. Neurala nätverk fungerar på liknande sätt, förutom att varje "neuron" är en samling kod snarare än en fysisk cell.

Denna design ger Usiigaci dess noggrannhet och anpassningsförmåga. Ser fram emot, forskarna strävar efter att utveckla neurala nätverk för att identifiera olika komponenter i celler, snarare än bara deras konturer. Med dessa verktyg i handen, forskare kan lätt bedöma om en cell är frisk eller sjuk, ung eller gammal, härstammar från en eller annan genetisk härstamning. Som Usiigaci, dessa program skulle ha nytta i grundläggande biologi, bioteknisk forskning och vidare.